Betydelsen av tillgänglig data har blivit väl tydligt på alla tänkbara nivåer i och med pandemin – förvisso en oönskad omväg för insikt.
Fredrik Arveskär, Regionchef Norden och Benelux, Infinidat
För de som arbetar med att hantera och förebygga spridning utifrån datatillgänglighet, företag som snabbt behöver säkerställa sina affärer via nätet istället för i butiker och för de som har en stor del av sin organisation som arbetar hemifrån.
I detta landskap är det inte tillräckligt att fixa fel så snabbt som möjligt efter att de har upptäckts – då kan det vara för sent. Lagringen och datasystemen behöver ha kapacitet att agera utifrån automation, där tekniken lär sig över tid och också kan göra förutsägelser utifrån både interna och externa faktorer som kan påverka trafiken.
Artificiell intelligens (AI) är tekniken att tillämpa för att realisera förutsägbart underhåll för alla system, och för lagringssystem är det inte annorlunda. Med en kombination av dataanalys och maskininlärning, kan artificiell intelligens proaktivt upptäcka problem granulärt, innan de påverkar användarna – både under utvecklingsfasen och efter installationen. AI gör det också möjligt att enklare förutsäga och planera för framtida lagringsbehov än genom manuell analys.
Tekniken använder data från aktörens installationsbas för att lära sig att upptäcka tekniska problem och flaskhalsar innan de påverkar verksamheten. Systemet analyserar problem som redan har uppstått för att identifiera mönster och använder sedan dessa mönster för att förutsäga liknande fall i framtiden. Naturligtvis har det också funnits övervakningssystem tidigare, men dessa kunde bara upptäcka förväntade och planerade avvikelser och mönster, som utvecklarna kände till i förväg och kodade med sina kunskaper.
Ett AI-baserat system är mer flexibelt, lär sig kontinuerligt och kan även identifiera typer av nya problem som det inte specifikt programmerades för. Detta gör programvara med AI-kapacitet mycket mer effektiv och exakt när det gäller att identifiera problem och ytterligare kapacitetskrav innan de uppstår.
Lösningarna har också en förmåga att identifiera anomalier genom att analysera IO-profilen för varje datauppsättning och leta efter avvikelser. Ofta orsakas inte problem med datatillgänglighet av lagringssystemet i sig, utan till exempel av nätverket eller specifika system och hur de är samspelar. I själva verket är orsaker ofta universella och kräver små eller inga särskilda analyser för att upptäckas. Systemet optimeras med kunskaper både från den egna organisationen, och med kunskaper från analyser i liknande miljöer, vilket gör att AI-kompetensen inte kräver att man uppfinner hjulet igen.
AI är och kommer än mer att bli central för alla som behöver lagring och datasystem för moderna verksamheter – där informationen behöver kunna göra omedelbar nytta. Detta gäller både för att kunna möta och svara mot förändringar i lagringskapacitet och för att kunna för att få underhåll som svarar mot kapaciteten.
Utan datalagring ingen AI, utan AI ingen lagring värd namnet.
